Conceptos teóricos¶
A lo largo de este apartado se van a exponer los conceptos teóricos relacionados con las dos primeras fases en las que se divide el proyecto, que son investigación y desarrollo.
Conceptos teóricos relativos a la investigación¶
En esta sección se definen todos aquellos conceptos relacionados con la investigación previa al desarrollo e implementación de la infraestructura software propuesta.
ARIADNEplus¶
ARIADNEplus [1] es la continuación del proyecto ARIADNE [2], el cual fue fundado por la Comisión Europea en febrero de 2013. Nació con el propósito de estimular la investigación en áreas relacionadas con la arqueología mediante la integración de diversas infraestructuras de datos arqueológicas situadas en Europa. Fruto de este proyecto surgió un catálogo on-line de metadatos referentes a conjuntos de datos que incluían reportes no publicados, imágenes, mapas, bases de datos, y otros tipos de información arqueológica.
Este segundo proyecto forma parte del programa H2020, fundado también por la Comisión Europea. El proyecto se encuentra en desarrollo desde enero de 2019 y tiene previsto una duración total de 48 meses. A través de ARIADNEplus, se actualizarán y extenderán los datos del catálogo on-line anterior añadiendo a los mismos dimensión geográfica y temporal. Además, se van a incorporar más organizaciones arqueológicas Europeas (entre ellas el CENIEH). También proveerá nuevos servicios en la nube para procesar y re-utilizar los datos incluidos en su portal.
CENIEH¶
El Centro Nacional de Investigación sobre la Evolución Humana [3], tambien conocido como CENIEH, es una Infraestructura Científica y Técnica Singular (ICTS) abierta al uso de la comunidad científica y tecnológica, en la que se desarrollan investigaciones en el ámbito de la evolución humana durante el Neógeno superior y Cuaternario, promoviendo la sensibilización y transferencia de conocimientos a la sociedad e impulsando y apoyando la realización y colaboración en excavaciones de yacimientos de estos periodos, tanto españoles como de otros países.
Además, el CENIEH es responsable de la conservación, restauración, gestión y registro de las colecciones paleontológicas y arqueológicas procedentes de las excavaciones de Atapuerca y otros yacimientos tanto nacionales como internacionales de similares características.
CIR¶
El CIR (CENIEH Institutional Repository) [4] es el repositorio bibliográfico institucional del CENIEH. Alberga toda la información fruto de la actividad investigadora desarrollada en el CENIEH como, por ejemplo, publicaciones científicas. Toda la información está organizada en ítems que pertenecen a una colección, que a su vez pertenece a una comunidad. Cada ítem tiene asignado un conjunto de metadatos que describen al objeto digital que contiene. El esquema de metadatos utilizado por la plataforma se le conoce como Dublin Core.
Metadatos¶
Los metadatos proporcionan la información mínima necesaria para identificar un recurso, pudiendo incluir información descriptiva sobre el contexto, calidad y condición o característica del dato [5]. Puede resultar algo complejo de entender ya que podemos reducir su definición a «son datos que describen otros datos».
Para aportar algo de claridad a esta definición aplicaré el concepto de «metadato» tomando como ejemplo una biblioteca. En este contexto, el conjunto de datos estaría formado por los libros y el conjunto de metadatos se correspondería con las fichas asociadas a cada libro. Este ejemplo de «metadato» es algo antiguo ya que se presenta de una forma física, no digital.
Figura 3 Ejemplo de metadatos.
En la actualidad, estas «fichas» se encuentran en formato digital a través de lenguajes de marcado como XML o RDF.
Esquema de metadatos¶
Antes de introducir metadatos en cualquier catálogo, es necesario indicar como van a estar organizados. Para llevar a cabo esta tarea hay que definir un esquema de metadatos, también llamado modelo o estándar.
Cada esquema está formado por un conjunto de campos de diferentes tipos, los cuales siguen una estructura jerárquica en forma de árbol.
Figura 4 Estructura básica de un esquema de metadatos.
En la Figura 4, podemos observar la estructura básica de cualquier esquema:
Ontología: es la raíz del esquema. Su función es agrupar los demás campos en una única unidad temática. Puede tener tres tipos de descendientes: Clase, Referencia o Metadato.
Definición de Clase: define una clase o subclase dentro de una ontología determinada, creando así una jerarquía de clases.
- Atributo: define un atributo para una determinada clase existente en la ontología.
Conjunto de Referencia: define un conjunto de valores que pueden ser instanciados en el Atributo de una Clase o en el Metadato de un recurso.
- Valor: define el contenido de cada valor existente en un conjunto de referencia.
Metadato de Recurso: define el metadato de un recurso determinado. Además, puede ser descendiente de otro metadato a modo de especificación.
Cuando se define un atributo o un metadato, se debe indicar, además, el tipo de contenido que va a adquirir, es decir, señalar que se va a introducir. Algunos pueden ser texto plano, otros coordenadas, fechas, enlaces, etc.
CIDOC-CRM¶
CIDOC Conceptual Reference Model (CRM) [6] es una ontología que ofrece definiciones y una estructura formal para describir conceptos implícitos y explícitos, así como las relaciones utilizadas en documentación sobre patrimonio cultural. CIDOC define un marco semántico en el cual se puede incluir cualquier tipo de información sobre patrimonio cultural.
ACDM¶
El ARIADNE Catalogue Data Model es el modelo de datos utilizado por el catálogo antiguo de ARIADNE. Sirve para describir los recursos arqueológicos publicados por los participantes del proyecto. El uso de ACDM posibilita el descubrimiento, acceso e integración de los citados recursos. Para formalizar este modelo, se ha utilizado como base la ontología CIDOC CRM, la cual se adapta correctamente al dominio arqueológico.
PEM¶
PEM (PARTHENOS Entities Model) es un esquema de metadatos desarrollado en el proyecto PARTHENOS [7] que extiende el modelo CIDOC-CRM. Está diseñado para ser lo suficientemente flexible como para mapear los diferentes tipos de esquemas de metadatos utilizados en todas las disciplinas académicas de manera uniforme.
AO-Cat¶
La ontología AO-Cat (ARIADNE Ontology - Catalog) deriva del modelo de datos ACDM, empleado en el proyecto antiguo (ARIADNE) para modelar recursos arqueológicos, y del modelo PEM, utilizado para modelar cualquier recurso gestionado por una infraestructura de investigación. Se podría decir que AO-Cat es una contracción del modelo ACDM impulsada por la conceptualización subyacente al PEM. Además, AO-Cat hereda del modelo PEM su estrecha relación con el modelo CIDOC-CRM, el cual sirve para representar cualquier aspecto relacionado con recursos arqueológicos.
Figura 5 Diagrama de clases para la ontología AO-CAT.
Es el modelo utilizado por el catálogo actual de ARIADNEplus y, por tanto, los metadatos del CENIEH se tendrán que adaptar a este modelo.
Mapeo de datos (Data Mapping)¶
El término «Mapeo» puede utilizarse en múltiples contextos como, por ejemplo, en la cartografía, matemáticas, neurociencia, etc. En esta ocasión, se describirá el concepto relacionado con la informática, más específicamente con la gestión de datos.
El mapeo de datos consiste en crear asignaciones entre dos elementos que pertenecen a esquemas de datos distintos. En procesos como la integración o migración de datos es fundamental llevar a cabo este tipo de proceso debido a que, generalmente, el sistema al que se trasladan los datos no utiliza la misma estructura que el sistema de partida.
Figura 6 Ejemplo de mapeo entre el esquema «Dublin Core» y el modelo «AO-Cat».
Enriquecimiento de datos (Data Enrichment)¶
El enriquecimiento de datos es el proceso mediante el cual se pretende mejorar la calidad de los datos sin necesidad de ser procesados. Durante este proceso, se fusionan los datos originales con datos de terceros provenientes de una fuente autorizada externa. Para determinar las relación entre unos datos y otros, se suele hacer uso de herramientas auxiliares que permiten establecer dichas relaciones entre los elementos originales y los elementos externos.
Figura 7 Proceso de enriquecimiento de datos.
D4Science¶
D4Science [8] es una organización que ofrece una infraestructura de datos basada en entornos virtuales. El usuario cuenta con un espacio de trabajo virtual que le da la posibilidad de acceder a datos y compartir los suyos propios, además, también cuenta con herramientas y capacidad de cómputo para hacer uso de los datos en su proceso de investigación.
ARIADNEplus Gateway¶
ARIADNEplus cuenta con un portal en la plataforma D4Science denominado ARIADNEplus Gateway [9]. En él tiene implementados varios entornos virtuales de investigación (VREs). Cada uno de ellos ofrece una serie de servicios que facilitan el proceso de integración a los miembros del proyecto. Actualmente, cuenta con tres entornos virtuales, cada uno de los cuales tiene un fin específico:
Figura 8 Entornos virtuales de investigación en D4Science.
- ARIADNEplus Aggregation Management: Es un entorno virtual donde los líderes del proyecto gestionan las importaciones de metadatos al catálogo. El acceso está restringido a los coordinadores del proyecto.
- ARIADNEplus Mappings: Es un entorno virtual que da soporte a la conversión de metadatos (mapping) para su integración en ARIADNEplus.
- ARIADNEplus Project: Es un entorno virtual que permite la colaboración y cooperación entre los beneficiarios del proyecto ARIADNEplus.
Workspace¶
Otro de los servicios que ofrece D4Science es el Workspace. La idea principal de esta herramienta es que los miembros de un determinado portal intercambien recursos digitales como, por ejemplo, documentos, imágenes, vídeos, etc.
En este espacio de trabajo los miembros de ARIADNEplus organizan y comparten recursos relacionados con el proyecto como, por ejemplos, guías, tutoriales, presentaciones, etc.
Figura 9 Espacio de trabajo (Workspace) del proyecto ARIADNEPlus.
Además, este mismo espacio se puede utilizar como medio de importación. Para tal fin, como podemos ver en el imagen, existen dos carpetas públicas, Matched Vocabularies y Metadata Ingestion, en cuyo interior se aloja una carpeta para cada miembro. Estas tienen el nombre de cada socio y su misión es almacenar los ficheros de mapeo de vocabulario (.json) y los ficheros con los metadatos (.xml). De esta manera, el coordinador asignado solo tendrá que acceder a la carpeta del miembro que pretenda ejecutar una importación.
Getty AAT¶
Getty AAT [10] es un vocabulario controlado y estructurado que se emplea para describir elementos de arte, arquitectura y material cultural. Está compuesto por términos generales como, por ejemplo, «Acueducto», pero no contiene nombres propios como «Acueducto de Segovia». Actualmente cuenta con alrededor de 55.000 conceptos registrados, incluyendo 131.000 términos, descripciones, citaciones bibliográficas, y otra información relacionada con las áreas previamente mencionadas.
PeriodO¶
PeriodO [11] es un diccionario digital público donde se almacenan definiciones académicas de periodos históricos, histórico-artísticos y arqueológicos. Este proyecto es liderado por Adam Rabinowitz (Universidad de Texas, Austin) y Ryan Shaw (Universidad de Carolina del norte, Chapel Hill).
Tecnología GraphDB¶
ARIADNEplus almacena todos los metadatos en un almacén de RDF (triplestore) basado en la tecnología GraphDB [12]. Este tipo de tecnología utiliza bases de datos orientadas a grafos. Estas se basan en un conjunto de objetos (vértices y aristas) que permiten representar datos interconectados junto a las relaciones existentes entre sí. Cada grafo está compuesto por nodos o vértices, que se corresponden con los datos (objetos), y aristas o arcos, que serían las relaciones entre los datos. La estructura de este tipo de bases de datos puede adoptar dos formas: Labeled-Property Graph (grafo de propiedades etiquetadas) o Resource Description Framework (marco de descripción de recursos, RDF).
GraphDB adopta la segunda estructura, que consiste en estructurar los grafos mediante triples y quads: los triples están compuestos por nodo-arco-nodo y los quads complementan a estos con información de contexto adicional, lo que facilita la división de los datos en grupos. Esta estrutucta es la ideal para almacenar ontologías como AO-CAT, de ahí que ARIADNEplus haya escogido esta tecnología.
Figura 10 GraphDB - Triple.
En la Figura 26 se ha representado un triple que se correspondería con una parte del grafo asociado a la colección CIR almacenada en este tipo de base de datos. Vemos como se compone de dos nodos, uno para el sujeto (CIR) y otro para el objeto (Scientific analysis), unidos por un arco, que sería el predicado (has_ARIADNE_subject).
Conceptos teóricos relativos al desarrollo de la infraestructura¶
A continuación se definen aquellos conceptos relacionados con el desarrollo de la infraestructura.
Sistema de gestión de contenidos¶
Un sistema de gestión de contenidos o CMS (Content Management System) es una aplicación software+, generalmente de tipo *web, que permite crear un entorno de trabajo para la creación y gestión de contenidos.
Este tipo de sistemas interactúan con una o varias bases de datos que almacenan el contenido sobre el que se realizan las operaciones de gestión. Además, suelen contar con sistemas que permiten adaptar la aplicación, tanto en diseño como en funcionalidad, de una forma sencilla.
La aplicación escogida para este proyecto (Omeka Classic) se puede catalogar como CMS.
LAMP¶
Las siglas LAMP son utilizadas para describir infraestructuras software que hacen uso de cuatro herramientas específicas:
- Linux como sistema operativo.
- Apache como servidor web.
- Mysql o MariaDB como gestor de base de datos.
- PHP como lenguaje de programación.
La aplicación software escogida (Omeka Classic) emplea dicha infraestructura.
Complementos (Plugins)¶
Los complementos, más conocidos como plugins, son aplicaciones que permiten ampliar la funcionalidad básica de un determinado producto software. Normalmente este tipo de aplicaciones son ejecutadas a través del software principal, interactuando con este a través de una determinada interfaz.
Hooking¶
El término hooking es utilizado para referirse a todas aquellas técnicas utilizadas para modificar el comportamiento de un sistema operativo, aplicación u otro componente software interceptando llamadas de función, mensajes o eventos pasados entre componentes software. El código que maneja estos acontecimientos se le denomina hook.
Figura 11 Ejemplo de hook.
Prácticas ágiles¶
Durante esta fase, se han adoptado una serie de prácticas ágiles que han contribuído favorablemente al desarrollo del software. A continuación, se explica en qué consiste cada una de ellas.
Desarrollo iterativo e incremental¶
En un desarrollo iterativo e incremental el proyecto se va planificando en intervalos de tiempo constantes, cada uno de los cuales recibe el nombre de iteración. En todas las iteraciones se sigue un mismo procedimiento (de ahí el nombre de iterativo) para conseguir una funcionalidad determinada del producto que se pretende desarrollar.
En cada iteración, se van completando partes del producto final que son aptas para ser entregadas al cliente. Este goteo constante de entregas es el responsable de que a este procedimiento se le denomine incremental. Para que esto sea posible, se definen unos objetivos/requisitos al inicio de cada iteración, que marcarán la evolución del proyecto. También se pueden plantear mejoras para requisitos que se entregaron en iteraciones anteriores.
Pruebas unitarias¶
Las pruebas unitarias permiten comprobar el correcto funcionamiento de unidades de código fuente. Con el uso de este tipo de pruebas se pretende asegurar que cada unidad se comporta adecuadamente antes distintas situaciones. Resulta complicado determinar a qué nos referimos cuando decimos «unidad de código» ya que, por definición, puedes asociar este concepto tanto a una clase como a un método.
Habitualmente se desarrolla más de una prueba unitaria por unidad de código. El motivo radica en que una prueba unitaria sólo es capaz de comprobar el comportamiento de la unidad ante una única entrada. Lo ideal es comprobar su comportamiento ante todas aquellas entradas que tengan una probabilidad razonable de hacer que falle. El conjunto de pruebas que recoge todas estas entradas se le denomina test suite.
Integración y Despliegue continuo (CI/CD)¶
La integración continua (CI) es una práctica utilizada en el desarrollo de software mediante la cual es posible automatizar operaciones tales como la compilación o ejecución de pruebas. Aplicando esta metodología, se consigue detectar fallos con mayor rapidez, mejorar la calidad del software y reducir el tiempo empleado en validar y publicar nuevas actualizaciones software.
El despliegue continuo (CD) se puede considerar como el siguiente paso a la integración continua, es decir, una vez automatizados los procesos de compilación y ejecución de pruebas, se procede a automatizar el despliegue del producto software que estemos desarrollando.
Otros conceptos¶
En este apartado se recogen todos aquellos conceptos que tienen cierta relevancia en el proyecto y no han sido expuestos en secciones anteriores.
Dublin Core¶
Dublin Core es un esquema de metadatos elaborado por la DCMI [13] (Dublin Core Metadata Initiative), organización cuya misión principal es facilitar la compartición de recursos on-line por medio del desarrollo de un modelo de metadatos «base», capaz de proporcionar información descriptiva básica sobre cualquier recurso, sin importar el formato de origen, área de especialización u origen cultural. Dispone de 15 elementos descriptivos, los cuales pueden ser repetidos, aparecer en cualquier orden y estar o no presentes (opcionales).
Dublin Core Extended¶
Dado que el modelo Dublin Core puede resultar algo escueto, se presenta como solución el esquema Dublin Core Extended, el cual cuenta con los elementos descriptivos del modelo original y, además, incluye una serie de elementos adicionales/complementarios [14] que satisfacen las necesidades que el modelo original no cubre.
Interoperabilidad¶
La interoperabilidad es la capacidad que tiene un sistema o producto de compartir datos y posibilitar el intercambio de información y conocimiento entre ellos [15]. En lo que respecta a repositorios, se puede conseguir dicha capacidad haciendo uso de estándares como, por ejemplo, el protocolo OAI-PMH.
Protocolo OAI-PMH¶
El protocolo Open Archive Initiative-Protocol for Metadata Harvesting (OAI-PMH) tiene como objetivo desarrollar y promover estándares de interoperabilidad que faciliten la difusión eficiente de contenidos en Internet. Permite transmitir metadatos entre diferentes tipos de infraestructuras software (repositorios, gestores, etc.) siempre y cuando éstos se codifiquen en Dublin Core.
Gracias a que la aplicación escogida ofrece este servicio, haciendo uso del mismo se han podido recolectar todos los metadatos existentes en el CIR. Además, ARIADNEplus permite importar metadatos en su catálogo haciendo uso de este protocolo, por lo que su implantación también abre otro posible camino de importación.
Figura 12 Ejemplo básico del protocolo OAI-PMH.
Geolocalización¶
La geolocalización es la capacidad para obtener la ubicación geográfica real de un objeto [16]. Uno de los requisitos fundamentales del catálodo de ARIADNEplus es que todos los metadatos importados han de estar geolocalizados, es decir, tienen que tener, al menos, un elemento descriptivo que indique la ubicación actual del objeto. Nuestra plataforma cuenta con el elemento Spatial Coverage del modelo Dublin Core Extended para cubrir este requisito.
WSG84¶
El World Geodetic System 84 es un sistema de coordenadas geográficas usado mundialmente para localizar cualquier punto de la Tierra [17]. Uno de los requisitos de ARIADNEplus es que todas aquellas localizaciones señaladas a través de coordenadas geográficas deben utilizar este sistema.
| [1] | “ARIADNE PLUS – Ariadne infrastructure.” https://ariadne-infrastructure.eu/. |
| [2] | «Ariadne Project EU | Foundation.» https://www.ariadne-eu.org/ |
| [3] | “Sobre el CENIEH | CENIEH.” https://www.cenieh.es/sobre-el-cenieh. |
| [4] | “CIR – CENIEH Institutional Repository” https://cir.cenieh.es/ |
| [5] | Senso, José Antonio; Rosa Piñero, Alberto de la (2003). «El concepto de metadato. Algo más que descripción de recursos electrónicos». http://www.scielo.br/pdf/ci/v32n2/17038.pdf/ |
| [6] | “CIDOC CRM.” http://www.cidoc-crm.org/. |
| [7] | «PARTHENOS Project.» https://www.parthenos-project.eu/ |
| [8] | «D4Science» https://www.d4science.org/ |
| [9] | «ARIADNEplus Gateway» https://ariadne.d4science.org/ |
| [10] | «D4Science – Workspace» https://data.d4science.net/okCN/ |
| [11] | «The Getty Research Institute – Art & Architecture Thesaurus» https://www.getty.edu/research/tools/vocabularies/aat/ |
| [12] | «GraphDB Technology» http://graphdb.ontotext.com/ |
| [13] | «DCMI.» https://www.dublincore.org/ |
| [14] | «DCMI Metadata Terms.» http://dublincore.org/documents/dcmi-terms/ |
| [15] | «Interoperabilidad.» https://administracionelectronica.gob.es/pae_Home/pae_Estrategias/pae_Interoperabilidad_Inicio.html |
| [16] | «Wikipedia - Geolocalización.» https://es.wikipedia.org/wiki/Geolocalizaci%C3%B3n |
| [17] | «Wikipedia - WSG84» https://es.wikipedia.org/wiki/WGS84 |